سیستم تشخیص گلوکوم به کمک کامپیوتر ۲۰۲۰
Computer-aided Glaucoma Diagnosis System 2020

گلوکوم دومین علت اصلی نابینایی در سطح جهان است. تشخیص و درمان زودهنگام می تواند از پیشرفت آن و نابینایی کامل جلوگیری کند. این کتاب به بحث و بررسی رویکردهای فعلی برای تشخیص و بررسی رویکردهای جدید برای تشخیص گلوکوم با استفاده از سیستم CAD می پردازد.

سیستم تشخیص گلوکوم به کمک کامپیوتر، فصل ۱، مقدمه ای مختصر از این بیماری و روش های فعلی مورد استفاده برای تشخیص آن در حال حاضر ارائه می دهد. فصل ۲ به بررسی پیشینه پزشکی این بیماری می پردازد و به دنبال آن، پیشینه نظری و ریاضی مورد استفاده در پردازش تصویر فوندوس ارائه می شود. فصل ۳ یک بررسی جامع از مقالات درباره بخش بندی و استخراج ویژگی است. فصل ۴ به شرح فرمول بندی روش پیشنهادی می پردازد. در فصل ۵، نتایج الگوریتم بخش بندی دیسک بینایی و کاپ بینایی، روش استخراج و انتخاب ویژگی، نتایج تجربی و ارزیابی عملکرد طبقه بندی کننده ارائه می شود. فصل ۶ به ارائه نتیجه گیری ها و بحث در مورد پتانسیل های آینده سیستم تشخیصی می پردازد.

این کتاب برای مهندسان پزشکی، دانشجویان علوم کامپیوتر، چشم پزشکان و رادیولوژیست هایی که به دنبال توسعه یک سیستم تشخیص خودکار و قابل اعتماد به کمک کامپیوتر (CAD) برای تشخیص گلوکوم و بهبود تشخیص این بیماری هستند، در نظر گرفته شده است.

ویژگی های کلیدی

* به بحث درباره یک سیستم تشخیص خودکار و قابل اعتماد به کمک کامپیوتر (CAD) برای تشخیص گلوکوم می پردازد و الگوریتمی را ارائه می کند که دیسک بینایی و کاپ بینایی را تشخیص می دهد.

* به چشم پزشکان و محققان کمک می کند تا یک روش تشخیصی جدید را آزمایش کنند که تلاش و زمان پزشکان و هزینه برای بیماران را کاهش می دهد.

* به بحث درباره تکنیک هایی برای کاهش خطای انسانی و به حداقل رساندن نرخ تشخیص اشتباه و تسهیل تشخیص و درمان زودهنگام می پردازد.

* الگوریتم هایی را برای تشخیص رنگ کاپ و دیسک، ویژگی های شکل و ویژگی های بافت RNFL ارائه می دهد.

دکتر اروه احمد قاسم السید استادیار، گروه مهندسی پزشکی، دانشگاه علوم و فناوری سودان، خارطوم، سودان است.

دکتر الناظر عثمان محمد حمزه استاد تصویربرداری پزشکی، دانشکده مهندسی، دانشگاه علوم و فناوری سودان، خارطوم، سودان است.

Glaucoma is the second leading cause of blindness globally. Early detection and treatment can prevent its progression to avoid total blindness. This book discusses and reviews current approaches for detection and examines new approaches for diagnosing glaucoma using CAD system.

Computer-Aided Glaucoma Diagnosis System, Chapter 1 provides a brief introduction of the disease and current methodology used to diagnose it today. Chapter 2 presents a review of the medical background of the disease, followed by a theoretical and mathematical background used in fundus image processing. Chapter 3 is a literature review about segmentation and feature extraction. Chapter 4 describes the formulation of the proposed methodology. In Chapter 5, the results of optic disc and optic cup segmentation algorithm are presented, the feature extraction and selection method, experimental results and performance evaluations of the classifier are given. Chapter 6 presents the conclusions and discussion of the future potential for the diagnostic system.

This book is intended for biomedical engineers, computer science students, ophthalmologists and radiologists looking to develop a reliable automated computer-aided diagnosis system (CAD) for detecting glaucoma and improve diagnosis of the disease.

Key Features

• Discusses a reliable automated computer-aided diagnosis system (CAD) for detecting glaucoma and presents an algorithm that detects optic disc and optic cup
• Assists ophthalmologists and researchers to test a new diagnostic method that reduces the effort and time of the doctors and cost to the patients
• Discusses techniques to reduce human error and minimize the miss detection rate and facilitate early diagnosis and treatment
• Presents algorithms to detect cup and disc color, shape features and RNFL texture features

Dr. Arwa Ahmed Gasm Elseid is an assistant professor, Department of Biomedical Engineering, Sudan University of Science and Technology, Khartoum, Sudan.

Dr. Alnazier Osman Mohammed Hamza is professor of Medical Imaging, College of Engineering, Sudan University of Sciences and Technology, Khartoum, Sudan.